arXiv cs.AI（学术论文）
65
推荐理由：VecCISC通过聚类与过滤显著降低计算开销，对工业界部署高精度推理模型具有实际价值，尤其适合长轨迹场景。
全部 AI 动态
AI 相关资讯全量信息流
5月11日
11:42
标准推理时扩展技术自一致性通过多数投票选答案，但加权多数投票（如置信度感知自一致性CISC）虽更准却需额外调用批评模型增加成本。VecCISC提出轻量自适应框架，利用语义相似度过滤冗余、退化或幻觉轨迹，减少需评估的候选数。在数学、化学、生物、常识推理和人文五个数据集上，VecCISC降低47% token用量，同时保持或超越CISC精度。该方法为推理时扩展提供了更经济的平衡方案。